Classification du stress par EEG en utilisant des caractéristiques temporelles et des techniques de segmentation

Pourquoi le stress dans le cerveau compte au quotidien

Le stress façonne nos sensations, nos pensées et notre travail, mais il est généralement mesuré par des questionnaires qui demandent aux personnes comment elles se sentent. Ces outils sont utiles mais subjectifs et ne peuvent pas suivre l’augmentation et la baisse du stress au cours d’une journée. Cette étude examine si un petit nombre de capteurs d’ondes cérébrales peut offrir une manière objective et rapide de distinguer qui est stressé de qui ne l’est pas, en utilisant des méthodes suffisamment simples pour s’intégrer dans de futurs serre-têtes ou autres appareils portables.

Ecouter le stress via les ondes cérébrales

Les chercheurs se sont tournés vers l’électroencéphalographie, ou EEG, qui enregistre l’activité électrique du cerveau à partir de capteurs placés sur le cuir chevelu. Ils ont utilisé un grand jeu de données public de volontaires en bonne santé dont les niveaux de stress avaient déjà été évalués à l’aide d’un questionnaire standard. Plutôt que de s’appuyer sur de nombreux capteurs, ils se sont concentrés sur seulement quatre placés au-dessus du front et sur les côtés de la tête, des zones liées aux émotions et au contrôle du stress. Chaque personne disposait d’environ huit minutes d’activité cérébrale au repos enregistrée, fournissant une longue séquence de données dans laquelle des motifs liés au stress pourraient se cacher.

Découper de longs signaux en courts instantanés

Pour interpréter ces longues enregistrements, l’équipe a découpé l’EEG de chaque personne en courts segments, ou fenêtres. Ils ont testé deux stratégies simples. Dans l’approche sans recouvrement, le signal de huit minutes était découpé en tranches consécutives de dix secondes qui ne partageaient aucune donnée. Dans l’approche avec recouvrement, les fenêtres glissaient le long de l’enregistrement en partageant des portions, produisant davantage d’instantanés mais partiellement répétés. Comparer ces deux manières de découper les données a aidé l’équipe à voir laquelle fournissait une information plus propre et plus utile sur le stress.

Transformer les ondes brutes en nombres lisibles par une machine

Une fois les fenêtres définies, chaque segment d’ondes cérébrales a été réduit à un ensemble de caractéristiques numériques de base qui capturent sa forme et sa variabilité. Celles-ci incluaient des notions familières comme la valeur moyenne, la dispersion et l’énergie, ainsi que la rapidité des montées et descentes du signal et sa prévisibilité. Parmi 20 caractéristiques par fenêtre, une méthode basée sur l’information a ensuite sélectionné celles qui contenaient les indices les plus utiles quant à l’appartenance d’une personne au groupe stressé ou non stressé. Dans de nombreux cas, des caractéristiques extraites d’un seul capteur frontal du côté droit de la tête se sont révélées particulièrement informatives.

Laisser de simples algorithmes trier les stressés et les calmes

Avec un ensemble compact de caractéristiques en main, les auteurs ont testé cinq méthodes d’apprentissage automatique prêtes à l’emploi pour voir avec quelle précision elles pouvaient séparer les volontaires stressés des non stressés. Ils ont utilisé une approche d’évaluation standard dans laquelle les données sont répétitivement divisées en parties d’entraînement et de test pour estimer les performances de manière équitable. Au cours de ces essais, une méthode appelée k plus proches voisins, qui classe chaque nouvel exemple en le comparant à ses voisins les plus proches dans les données, a obtenu les meilleurs résultats. En utilisant des fenêtres sans recouvrement provenant des quatre capteurs, elle a correctement étiqueté le statut de stress dans environ 96 cas sur 100, surpassant plusieurs autres méthodes populaires souvent utilisées pour les études EEG.

Ce que cela signifie pour le suivi du stress à l’avenir

Pour le lecteur, le message clé est que la détection précise du stress ne nécessite peut‑être pas l’apprentissage profond ni des appareils volumineux à nombreux canaux. Ce travail montre qu’un nombre modeste de capteurs, des façons simples de découper les signaux en courts segments et des résumés numériques directs peuvent ensemble fournir de solides indices sur qui est stressé. Bien que des travaux supplémentaires soient nécessaires pour tester de tels systèmes en conditions quotidiennes et sur de nouveaux groupes de personnes, l’étude suggère que de futurs serre-têtes ou autres dispositifs portables pourraient discrètement suivre le stress via l’activité cérébrale et aider les personnes à le repérer et à le gérer plus tôt.

Citation: Rauf, U., Zahid, A., Qadeer, A. et al. EEG-based stress classification using time-domain features and segmentation techniques. Sci Rep 16, 16568 (2026). https://doi.org/10.1038/s41598-026-50857-9

Mots-clés: détection du stress par EEG, ondes cérébrales, apprentissage automatique, capteurs portables, surveillance de la santé mentale